随着计算机与网络技术的发展日新月异,社交媒体与网络平台已然成为人们获取、发布、共享、传播信息的载体。这些信息对于政府与企业进行网络舆情监控、电子商务等都具有重要的社会意义与商业价值。本文以新浪微博平台中的人们所发布的语料信息为研究对象,重点研究分析了情感分析任务中基于情感词典与基于机器学习的两种方法。主要研究内容如下:1.针对现有的情感词典由于对网络新词的涵盖率较低而无法应用于微博领域的情感分析问题,本文搜集了当前现有的一些基础情感词典,网络情感词典与表情符号库,并在去重后构造了基础综合情感词典。针对SO-PMI算法中共现窗口大小与语料库规模对算法效果产生不利影响等问题,本文提出了使用距离互信息与古德-图灵平滑方法来对SO-PMI算法进行优化,并利用改进后的SO-PMI算法来扩展基于微博领域的情感词典。通过实验对比综合基础情感词典、基于传统SO-PMI算法扩展的情感词典、基于拉普拉斯平滑的SO-PMI算法扩展的情感词典以及本文所构建的中文微博综合情感词典,使用本文所构建的情感词典进行情感分析的效果皆好于其他三种情感词典。2.研究分析了常用的特征选择算法并着重研究了信息增益算法。针对传统信息增益算法中没有考虑特征项在类内与类间分布情况以及没有平衡正相关特征项与负相关特征项的比例等的问题,提出了类间集中度与类内分散度并以此来提高特征项对类别的区分效果。借鉴卡方统计量的方法求两者最大值以此来将类间集中度与类内分散度的计算应用于整个语料库,并引入比例因子来降低负相关特征项所带来的不利影响,提高了正相关特征项的比例。通过实验对比基于传统信息增益算法与本文所改进的信息增益算法,利用本文所改进的信息增益算法在微博情感分析中的效果好于传统信息增益算法。3.本文将整合成的中文微博综合情感词典与改进的信息增益算法结合来对特征选择这个过程进行优化。该方法结合了两者的优点,对特征项的降维效果明显好于两者单独使用的情况。图[16]表[10]参[53]。